Джева попросили занять трон: StartLux.

30 сентября Shanghai AI, StartLux, выпустила полностью открытую модель принятия решений. StartLux-решениеОдноразовый запуск 0.8B, 2B, 4B, 9B, 27B, 5. Согласно оценке, опубликованной командой, ее флагманская версия 27B получила 63,88 балла по индексу принятия решений 0,2.1, что больше, чем у Джеффа 1,13 (57,91), первого в списке.Новый король модели принятия решений возглавил трон.Я не знаю.

Еще интереснее показатель R&D:Вся модель имела всего 3 дня для завершения исследований и проверки.Я не знаю. За этим стоит линия Auto Research, построенная StartLux — официально это один из основных путей продвижения RSI.

Начнем с того, что это командный тест, а не официальный список.

Это должно быть ясно, в противном случае легко быть ведомым над названием.

Оценки StartLux:Используя официальный инструмент оценки индекса Decisión, команда провела самооценку по сравнению с публичным списком 28 сентября 2026 года.Я не знаю. Другими словами:

• Они используют инструмент оценки контрольного списка и данные сравнения того же дня.
• Но...Их оценки не входят в официальный список.Также в официальной статье написано, что «не то, чтобы она была официально сертифицирована».
• Ага.Лучший результат в публичном списке.(2026-09-28)

Точный ответ:StartLux-Decisión превзошел вершину нынешнего публичного списка по команде, которая измеряется самостоятельно.Я не знаю. Это не унизительно — это самооценка, которая означает силу, но читателю нужен масштаб. Все приведенные ниже цифры взяты с предпосылкой по умолчанию «самоизмерения команды».

Что это: модель принятия решений, которая не генерирует текст?

Начните с понимания фундаментальной разницы между StarLux-Decisión и общей большой моделью. Это не модель поколения.Не пишите на естественных языкахЯ не знаю.

Вот как это работает: дайте ему один.статусДобавить группуВопросы— выбор темы (один из нескольких вариантов), не является или оценивается. Состоянием может быть текст, JSON или изображение, до 256 K токена.Вернуть вероятность каждого вопроса к каждому вариантуЯ не знаю.

Суть в последнем предложении:Он ничего не производит.Я не знаю. Ответ читается непосредственно из письма опции после прямой передачи. Поэтому короткий вопрос занимает несколько миллисекунд, и вероятность может быть использована непосредственно как уверенность.

Это решает конкретный вид работы в умном теле:HF, четкий набор кандидатовРешение. Например, пришел заказ на обслуживание пассажиров — «заказ неоднократно удерживается, но все еще не показывает оплату» — и одна и та же информация может задавать три вопроса одновременно: какой команде он был предоставлен, обрабатывается ли он сегодня и какое влияние он оказал. Традиционный подход заключается в том, чтобы позволить модели генерации написать ее часть, которая является медленной и легкой для интерпретации ошибок; один запрос от StateLux-Decisión может завершить три суждения вместе.

Карты отчета: 63,88 против 57,91,38 из 31 вон

Сравнение индекса принятия решений 0.2.1 (оба снимка 2026-09-28):

• StartLux-Decision-27B:63.88
• Jev 1.13:57.91 (первое место)
• Руна 26В-А4В: 57,44
• Чат 31B:57.33
• AutoJev-27B: 56.40
• StartLux-решение-9B: 58.639B опережает Джеффа.

27B выше, чем у Jev 5.97 минутиз 38 показателей, содержащихся в индексе,Имеется 31 более высокий балл.Я не знаю.

Пожалуйста, обратите внимание на официальную цитату:Совокупный счет не означает, что все возможности сильнее.Я не знаю. Это предложение стоит прочитать.

Где побеждать, где проигрывать.

В рейтинге области по индексу Decisión 27B лидирует в четырех областях, но проигрывает Джеву:

• Понимание языка74.5 против Jev 62.0 (высокий 12.5)
• Поиск и классификация:66,8 против 55,4 (высокий 11,4)
• Инструменты и автоматизация:82.2 против 75.1 (высокий 7.1)
• Искусство и человеческие предпочтения:47.9 против 37.7
• Знание и рассуждение:44.3 против Jev 51.4 (позднее 7.1)

Такое распределение весьма показательно. StartLux-решение сильное«понимание условий, проведение различий между кандидатами, выбор следующего курса действий»Это три типа способностей, которые наиболее необходимы в повседневной реализации интеллекта; они не превосходят чисто интеллектуальные рассуждения. Так что вывод не «кто кого сокрушает», а...Выбор зависит от того, с какими суждениями ваш интеллект, скорее всего, столкнется.Я не знаю.

Аналогичное разделение существует по отдельным пунктам. Например, API-банк, который не ведет, Home-приложения тянут с 52,3 в Jev до 77,3, а POP909 с 15,9 до 50,6. Это оценки индекса Decisión, которые были исправлены случайным исходным уровнем.Не может непосредственно рассматриваться как точность или полнота исходного варианта исходного уровня.Я не знаю.

Семь публичных тестов: в среднем 91,82%, мало ошибок 8

В дополнение к индексу Decisión команда сбежала из лаборатории искусственного интеллекта в Шанхае, чтобы запустить Inter-Design.Семь наборов тестов(JevBench EASY/Original/Hard, Typed Decisions, ToolaCE, AG News, WildjailBreak):

• Средняя точность StartLux-Decision-27B 91.82%
• Ева 1.13:88.74%
• Inter-Decisión-4B: 90,02%

У JevBench 231 вопрос, три ответа. 208 / 199 / 201 Вопрос: 27В против 9 больше, чем у Джеффа. В самом сложном JevBench-Hard (111 открытых дилемм) ошибка 27B 23 по сравнению с Jev 31Вопрос 8Я не знаю.

Здесь тоже есть на что обратить внимание: публичный JevBench 208/231 - это просто открытый вопрос.Это не официальная оценка секретных тестов, скорости и стоимости.; дополнительные учебные данные использовали открытый учебный набор из 14 этих контрольных показателей, и соответствующие тестовые вопросы были отфильтрованы (официальная метка).

Скорость: миллисекунды, все проблемы пересчитываются сразу

Значение модели принятия решения наполовину верно, наполовину быстро. В коротком тесте запроса для карты H200, BF16, локального HTTP,Три вопроса одновременно.отнимающий много времени:

• 0,8В:12,2 мс
• 2В:15,5 мс
• 4В: 26,0 мс
• 9В:35,7 мс
• 27В:102,3 мс
• 35B-A3B (MoE): 52,5 мсКаждый токен в 35B активирует только около 3B, что в два раза быстрее, чем 27B.

Если вы отвечаете только на один вопрос, в среднем 4B. 14,7 мсЯ не знаю. Оптимизация в рамках той же модели более показательна для инженерных достижений: 4B График CUDA составлял 90,3 мс, когда он не включался, до 26,0 мс, когда включался.- Более чем в три раза повышение зависит от техники. Проект также использует быстрые алгоритмы линейного внимания и объединяет несколько проблем в прямой расчет, чтобы уменьшить двойные вызовы.

В качестве ссылки на Jev 1.13 по трем запросам того же рода, конец службы, сообщенный его шлюзом API. 64,0 мсЯ не знаю. Однако власти сдержали себя от напоминания:Аппаратные и сервисные депо варьируются от одной стороны к другой и не могут использоваться в качестве основы для вывода о том, что твердое оборудование имеет одинаковую скорость.и эти миллисекунды не являются временем для выполнения всей задачи веб-страницы (как длина ввода, загрузка страницы, выполнение инструмента). Скорее, это самодостаточное выражение является наиболее достоверной частью публикации.

Полевая презентация: от работы браузера до игры

Официальная презентация охватывала несколько направлений, основным из которых были «модели принятия решений, системы реализации действий»:

Браузер / веб-операцияКаждый шаг задает два вопроса: какие элементы управления являются следующей операцией и завершена ли задача. На демонстрации был составлен список фильтров для «Купить самые дешевые, бесплатные, 8 батарей АА, отправленных домой», а назначенные члены были приглашены в команду дизайнеров и созданы в качестве редактора. Обратите внимание на официальные заявления:Контролируемая средаДалее следует непрерывная операция.Это не то же самое, что бесплатный вход на любой веб-сайт., поле ввода также завершает выбор через предложение кандидата.

ШахматыStartLux-Decisión-27B и Jev 1.13 не конкурируют, ни поиск, ни код никогда не перегружают выбор моделей. Это всего лишь вопрос времени.256, 27В, 58,4%.Я не знаю.

ИгратьМарио (сначала симулируйте 11 действий кандидата, запишите результаты в текст перед отбором), StarCraft II (задавайте три вопроса каждые 12 секунд игрового времени: что строить, что отдавать приоритет, что атаковать / защищать / собирать), DOOM (каждый 4 Tic судит цели, огонь, движение), JevBall (один запрос на отдельное действие для нескольких игроков возле мяча). В том же духе:Это не однородный тест Direct Read Screen.Существуют сценарии восприятия и исполнения, и модель отвечает только за ту часть принятия решений, которая определяется интерфейсом.

И есть еще одна интересная деталь - "Ханна, ты видела Джеффа сегодня?" В этом предложении Ханна и Джефф. Система должна судить.Его допрашивали о Ханне.Вместо того, чтобы заставить другого актера ответить из-за Джеффа. Он берется отдельно, чтобы определить, понимает ли модель разговор или только соответствует имени.

Пять комплектов спецификаций + MoE + Quantified, локально развернутый дружественный

StartLux-Decistion предоставляет пятиуровневую плотную модель (0,8B / 2B / 4B / 9B / 27B), плюс одна 35B-A3B Смешанный экспертВерсия. 3 октября.Ввод изображения и контекст токена 256KКаждый из них можно рассматривать как доказательство.

Основное внимание уделяется локальному развертыванию: llama.cpp доступен для каждого транша. ГУФ Файлы, в том числе BF16, сохраняют оригинальную точность и два количественных формата Q8 0, Q4 K M,15 GGF записейЯ не знаю. Рассмотрим пример 4B:

• Q8 0 Файлы 4,48 ГБВ 231 году на JevBench с оригинальным правом HeavyКогерентность принятия решений 100%(Тот же ответ для 204)
• Q4 K M прессы 2.71 ГБ98,3%, да 201

Возможно, вам стоит обратить особое внимание.Код использует Apache-2.0.Модель взвешивания с CC BY-NC 4.0 - только для исследований и некоммерческого использования при условии отдельного разрешения StartLux LabsЯ не знаю. Это отличается от пропаганды «полного открытого исходного кода», которая должна быть подтверждена до коммерциализации.

Интерфейс совместим, Джев. Вероятность можно отвлечь.

Умный дизайн на уровне доступа: StartLux-Decisión с TypeSafe /v1/systemone Формат интерфейса,Клиент для Jev может быть использован какБизнес-процессы сохраняют текущий режим вызова «состояние плюс проблема» и меняют адрес службы. Интерфейс (модель загрузки llama.cpp с сопутствующими службами принятия решений, отвечающими за организационные вопросы и варианты чтения) также поддерживается для развертывания GGF.

Другим механизмом беспокойства являетсяОтвлечение вероятностиПоскольку у каждого кандидата есть вероятность, система может напрямую осуществлять принятие решений в «подтвержденном рутинном сценарии»; когда кандидата трудно отличить, он находится в неадекватном состоянии или имеет более высокий операционный риск, за ним могут последовать дополнительные наблюдения, представленные на большой модельный анализ или запросы на ручное подтверждение.

Правительство также предупреждает:Вероятность вывода не равна реальной скорости успеха, а порог диверсии выровнен с оперативной калибровкой данных.; оплата, удаление, полномочия на изменение таких операций остаются предметом правил первоначального разрешения и подтверждения - Модель принятия решений является следующим шагом для системы, чтобы судить, а не заменять эти ограничения.

Автомобильные исследования и RSI позади

Три дня, чтобы сделать пятиступенчатую модель, в зависимости от StartLux. Трубопровод Auto Research DevelopmentСогласно предыдущему интервью с машинным сердцем, в этом подходе ИИ не только проводил предустановленные эксперименты, но и ...Анализ неудач на основе предыдущего раунда, представление новых предположений, участие в принятии решения о том, что смотреть дальшеХотя цели исследований, критерии оценки и ключевые правила остаются открытыми.

В системном подразделении StartLuxStartLux-27B для переноса общего уровня возможностей, модель Decisión ориентирована на высокочастотный уровень принятия решений.А над ним Agent и Memoory, дно поддерживается системами количественной оценки, рассуждения и аппаратным обеспечением. Таким образом, Decisión - это не изолированный релиз, сделанный в погоне за горячими точками, а часть этой архитектуры, которая была построена так, как планировалось.

Го Цюань определил Auto Research как основной элемент для достижения RSI: Во-первых, привлечь ИИ к исследованиям и усовершенствованиям моделей, а затем запросить «улучшенный ИИ, даже возможность улучшить сам ИИ была улучшена». StartLux-Decision — это конкретный результат этой линии.

Что насчет этого?

Посади Джева на трон.Китайская команда на самом низком уровне принятия решений.Я не знаю. Идея, которую предлагает Джев, используя специальную модель, чтобы принимать высокие частоты, отстаивать четкое суждение, а не позволять модели поколения быть как арбитром, так и спортсменом, оказывается реальной необходимостью. StartLux использует открытый исходный код, пятый набор спецификаций, локальное развертывание и совместимый с Jev интерфейс, чтобы сделать дорогу более «пригодной для посадки».

Но три напоминания все еще стоят:

• Это командный тест.Не заверен в официальном списке.
• Все впереди, все впереди.Это все еще отстает в интеллектуальных рассуждениях, Джефф. Это зависит от распределения задач.
• Вес CC BY-NC 4.0.«Полный открытый исходный код» только для некоммерческих сценариев, с рекламными роликами, авторизованными отдельно

В любом случае стоит помнить, что относительно молодая шанхайская команда, за три дня сделавшая пятиступенчатую модель принятия решений и превосходящую нынешний топ общественного калибра.«Уровень судейства» агента становится независимым и заслуживающим доверия технологическим треком.

Модель принятия решений не предназначена для замены большой модели, а скорее для того, чтобы сделать меньше тривиальных суждений, которые она не должна делать.